【技术实现步骤摘要】
本专利技术属于真空电子器件设计，具体涉及一种多层次深度神经网络、基于多层次深度神经网络的相对论返波管及其优化方法。
技术介绍
1、相对论返波管是一种能够产生高功率微波输出的真空电子器件，该类器件通过高压二极管产生强流相对论电子束，在外部引导磁场的作用下，电子束与高频互作用结构发生相互作用，将电子束的动能转化为电磁波的能量，根据相对论返波管的工作特点，产生的电磁波的传输方向与电子束的运动方向相反，谐振反射器等结构用于改变电磁波的传播方向，最后产生的电磁波沿着相对论返波管的波导端口输出，且与电子束的运动方向相同。相对论返波管的结构非常复杂，包含了电子枪、高频系统、聚焦系统、电子束收集极和输入输出等部件，在相对论返波管的研制过程中，可调节的参数非常多，设计一只性能优良的器件需要进行大量的理论研究、数值模拟及实验研究。数值模拟方法相比实验研究具有成本低、周期短等优点，已成为相对论返波管设计过程中不可或缺的手段。
2、全电磁粒子模拟方法通过求解牛顿-洛伦兹力方程得到带电粒子的运动轨迹，带电粒子运动产生的电流作为电磁场的源项，求解带源项的麦克斯韦方程，得到电磁场随时间的变化过程。该方法能准确模拟各类真空电子器件内相对论电子束与电磁场之间的非线性相互作用，被广泛的应用于相对论返波管的优化设计。在采用该方法模拟相对论返波管时，为减少数值噪声及提高计算精度，需要对器件结构进行较为精细的网格划分，同时需要跟踪大量带电粒子的运动过程，导致该方法所需要的计算资源非常大，特别是对器件结构进行三维数值模拟时，需要计算数百万网格单元上电磁场的分布
3、在对相对论返波管优化设计时，需要开展大量的器件参数变化对工作特性影响的规律性研究，然后根据优化目标选择一组最优的参数。由于相对论返波管的工作特性对参数非常敏感，每次改变参数都需要重新开展一次数值模拟，导致在相对论返波管的设计过程中需要开展大量的数值模拟研究。为提高真空电子器件的优化设计速度，陈再高等人针对相对论返波管提出了基于粒子模拟和并行遗传算法的高功率微波源优化设计方法，王辉辉等人将粒子群优化算法与粒子模拟技术相结合，实现了相对论返波管的优化设计，孙会芳等人将遗传算法用于磁绝缘线振荡器的自动优化设计，这些设计方法在一定程度上提高了器件的优化设计。在此基础上，陈再高等人提出将小信号理论与全电磁粒子模拟相结合，实现了相对论返波管的自动化设计。此外陈再高等人提出了一种基于深度学习和并行遗传算法的真空电子器件优化方法，该方法构建了一个全连接神经网络，用于学习全电磁粒子模拟产生数据中的规律，进一步提高了真空电子器件的优化设计速度，由于该方法并没有充分的利用深度神经网络对非线性数据的学习功能，导致依然需要开展大量的全电磁粒子模拟，为深度神经网络提供训练数据，导致所需要的计算资源依然非常庞大。但是实际上在进行器件优化的过程中，器件设计人员希望能够学习器件设计中的规律，然后借助少量的高精度模拟数据，实现对器件的参数优化。
技术实现思路
1、为了缩短器件的设计时间，减少相对论返波管优化对计算资源的消耗，本专利技术提出了一种多层次深度神经网络、基于多层次深度神经网络的相对论返波管及其优化方法。
2、本专利技术解决其技术问题采用的技术方案是：
3、一种基于多层次深度神经网络的相对论返波管优化方法，包括如下步骤：
4、步骤1，构建多层次深度神经网络，多层次深度神经网络包括低层深度神经网络和高层深度神经网络。
5、步骤2，低层深度神经网络采用低维训练数据集中待优化参数作为输入信号，相对论返波管的工作特性参数作为输出信号，学习低维训练数据集中输入信号和输出信号之间的非线性关系。
6、步骤3，高层深度神经网络将低层深度神经网络学习的规律以及高维训练数据集中的待优化参数作为输入信号，逼近高维输入信号与相对论返波管工作特性参数之间的函数关系。
7、步骤4，依据多层次深度神经网络描述待优化参数与工作特性参数之间的函数关系，优化相对论返波管的待优化参数，实现相对论返波管待优化参数的优化。
8、上述相对论返波管优化方法，所述步骤3，进一步包括：
9、所述高层深度神经网络包括线性深度神经网络和非线性深度神经网络。
10、线性深度神经网络学习高维训练数据集中待优化参数与低维训练数据集中工作特性参数之间的线性关系。
11、非线性深度神经网络学习高维训练数据集中待优化参数与低维训练数据集中工作特性参数之间的非线性关系。
12、将线性深度神经网络和非线性深度神经网络两个学习结果叠加，逼近高维数据集中待优化参数与工作特性参数之间的函数关系。
13、高层深度神经网络的输入由高维度训练数据集的待优化参数及低层深度神经网络的输出组成。
14、上述相对论返波管优化方法，所述低层深度神经网络的输入信号为相对论返波管待优化参数，该待优化参数包括几何参数以及电参数，输出信号为全电磁粒子模拟程序计算的相对论返波管的工作特性参数，该工作特性参数包括输出功率、电子束能量转换效率、工作频率。在训练过程中，使用的训练数据集的输出信号为全电磁粒子模拟软件的计算结果，低层深度神经网络含输入层、隐藏层和输出层，层与层之间采用全连接层的连接方式，优化算法采用随机梯度下降算法，损失值采用mse来度量。
15、上述相对论返波管优化方法，所述步骤2中，在低维训练数据集中，当存在多个待优化参数时，仅有其中一个参数可以改变，其它参数固定。然后改变该参数的取值，采用全电磁粒子模拟方法，计算得到相对论返波管的工作特性参数，该待优化参数与工作特性参数组合作为低维训练数据集。
16、所述步骤3中，在高维训练数据集中，当存在多个待优化参数时，仅有其中一个参数可以改变，其它参数固定。然后改变该参数的取值，采用全电磁粒子模拟方法，计算得到相对论返波管的工作特性参数，该待优化参数与工作特性参数组合作为高维训练数据集。
17、一种多层次深度神经网络，包括低层深度神经网络和高层深度神经网络。
18、所述低层深度神经网络和高层深度神经网络分层互连。
19、所述低层深度神经网络用于学习低维度数据集中待优化参数与工作特性参数之间隐含的非线性规律；
20、所述高层深度神经网络包括线性深度神经网络和非线性深度神经网络。线性深度神经网络用于学习高维训练数据集与低维度训练数据集之间的线性关系，非线性深度神经网络用于学习高维训练数据集与低维度训练数据集之间的非线性关系。
21、上述多层次深度神经网络，所述低层深度神经网络用于学习低维训练数据集中输入信号和输出信号之间的非线性关系，高层深度神经网络用于学习高维训练数据集中输入信号、低维训练数据集中输出信号和高维训练数据集中的输出信号之间的函数关系。
22、所述线性深度神经网络和本文档来自技高网...
【技术保护点】
1.一种基于多层次深度神经网络的相对论返波管优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述相对论返波管优化方法，其特征在于，所述步骤3，进一步包括：
3.根据权利要求1所述相对论返波管优化方法，其特征在于，低层深度神经网络的输入信号为相对论返波管待优化参数，该待优化参数包括几何参数以及电参数，输出信号为全电磁粒子模拟程序计算的相对论返波管的工作特性参数，该工作特性参数包括输出功率、电子束能量转换效率、工作频率；在训练过程中，使用的训练数据集的输出信号为全电磁粒子模拟软件的计算结果，低层深度神经网络含输入层、隐藏层和输出层，层与层之间采用全连接层的连接方式，优化算法采用随机梯度下降算法，损失值采用MSE来度量。
4.根据权利要求1所述相对论返波管优化方法，其特征在于，
5.一种多层次深度神经网络，其特征在于，包括低层深度神经网络和高层深度神经网络；
6.根据权利要求5所述多层次深度神经网络，其特征在于，所述低层深度神经网络用于学习低维训练数据集中输入信号和输出信号之间的非线性关系，高层深度神经网络用于学习高维
7.根据权利要求5所述多层次深度神经网络，其特征在于，
8.一种基于多层次深度神经网络的相对论返波管，其特征在于，为轴对称结构，包括高压二极管、谐振反射器(3)、高频互作用区(5)、外部引导磁场产生装置(7)；所述高压二极管包括阴极(1)、阳极(2)；阴极(1)为圆筒形，开口朝向Z方向，位于阳极(2)的内侧；阳极(2)为圆管形，位于阴极(1)的外侧；
9.根据权利要求8所述相对论返波管，其特征在于，通过优化谐振反射器(3)的待优化参数，使相对论返波管的平均输出功率达到最大值。
10.根据权利要求9所述相对论返波管，其特征在于，所述谐振反射器(3)的待优化参数为L1、L2；L1为谐振反射器(3)顶部高度，即顶部至中心轴线的距离；L2为谐振反射器(3)底部距离拐点P处且沿着z轴方向的距离；
...【技术特征摘要】
1.一种基于多层次深度神经网络的相对论返波管优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述相对论返波管优化方法，其特征在于，所述步骤3，进一步包括：
3.根据权利要求1所述相对论返波管优化方法，其特征在于，低层深度神经网络的输入信号为相对论返波管待优化参数，该待优化参数包括几何参数以及电参数，输出信号为全电磁粒子模拟程序计算的相对论返波管的工作特性参数，该工作特性参数包括输出功率、电子束能量转换效率、工作频率；在训练过程中，使用的训练数据集的输出信号为全电磁粒子模拟软件的计算结果，低层深度神经网络含输入层、隐藏层和输出层，层与层之间采用全连接层的连接方式，优化算法采用随机梯度下降算法，损失值采用mse来度量。
4.根据权利要求1所述相对论返波管优化方法，其特征在于，
5.一种多层次深度神经网络，其特征在于，包括低层深度神经网络和高层深度神经网络；
6.根据权利要求5所述多层次深度神经网络，其特征在于，所述低层深度神经网络用于学习...
【专利技术属性】
技术研发人员：陈再高，唐泽华，史雪婷，杨超，梁闪闪，
申请(专利权)人：西北核技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。